1500 万种子轮融资，从图像生成到 AI 推理解决方案，三分钟速读 Prodia。

撰文：Chandler，Foresight News

近期，用于 AI 推理解决方案的分布式 GPU 网络 Prodia 完成 1500 万美元融资，由 Dragonfly Capital 领投，HashKey、Web3.com、Index Ventures、Symbolic Capital、OKX Ventures 和天使投资者 Balaji Srinivasan、Sandeep Nailwal（Polygon 创始人）和 Matthew Roszak（Bloq 联合创始人）等参投。

Prodia 核心团队成员大多来自云存储平台 Storj。创始人 Monty Anderson 曾担任 Storj Labs 的研发主管，CEO Shawn Wilkinson 是 Storj 的创始人兼 CSO，而首席工程师 Monty Anderson 曾是 Storj 的高级软件工程师兼研发主管。那么，Prodia 是如何在竞争激烈的环境中，获得多个机构和投资人青睐的呢？

什么是 Prodia？

Prodia 是一个人工智能平台，通过其 API 专门用于图像和音乐生成。该公司开发了 Stable Diffusion API 工具，具有许多模型将文本转换为高质量图像，包括 SD1.5、SDXL 和 SD3，每个模型都提供不同的分辨率和功能。Prodia 的基础设施拥有超过 10,000 个 GPU，能够在 2 秒内处理图像生成请求。自成立以来，Prodia 已生成了超过 4 亿张图片。

Prodia 由 Shawn Wilkinson、Mikhail Avady 和 Monty Anderson 于 2022 年创立。首席执行官 Shawn Wilkinson 在分布式系统和云存储方面有丰富经验，曾创立去中心化云存储公司 Storj。2012 年，Shawn Wilkinson 在宿舍里每天挖半个比特币，但最终由于房间温度问题关掉了这项活动。不过这也激发了他对区块链技术的热情，并由此在后期参与到分布式计算领域的一系列早期项目。Mikhail Avady 和 Monty Anderson 在 AI 和区块链方面也有一些经验。

2020 年，Shawn 和联合创始人 Mikhail Avady 成为 GPT-3 的早期用户之一，开发了一款生成音乐的应用程序。然而，高昂的 GPU 成本成为瓶颈。于是他们构建了一个分布式计算层，不仅将成本降低 50%-90%，还将性能提高了两到四倍，并且更容易扩展。这一成功促成了 Prodia 的诞生，专注为应用程序和公司提供可扩展的 AI 基础设施，特别是用于图像和视频生成等计算密集型任务。

从图像生成到 AI 推理解决方案

Prodia 目前主要面向从小型到大型企业，特别是那些需要进行大量推理计算的企业。当前的主要关注点是图像生成，但 Prodia 正在扩展其能力，逐步涉足视频、文本和其他格式。该项目的目标是简化 AI 应用的扩展过程，AI 被视为驱动一切的核心技术，但必须变得更简单、更快速、更经济实惠。Prodia 的解决方案消除了基础设施管理的负担，使开发人员能够专注于产品功能，而无需担心容量问题或向亚马逊等大型云提供商妥协。目前，Prodia 的主要业务集中在图像生成。下一步，Prodia 将扩展到视频领域。Prodia 特别关注高需求领域，MidJourney 和 Stable Diffusion 等平台的大规模使用证明了这一点。Prodia 认为这些都是用户切入 AI 应用的良好起点。

Shawn Wilkinson 认为，「未来十年将会出现全面整合的趋势，从软件到硬件，从人工智能到区块链，这些技术将无缝融合。人工智能将像智能手机一样成为生活中不可或缺的一部分，每个人都将受益于 AI 技术的进步，生活的方方面面都会得到改善。」

未来发展重心

在发布了新的 API 并获得了融资后，Prodia 将从现在到年底的主要关注点放在进一步拓展其 AI 模型和解决方案上，未来将重点扩展到视频生成领域。视频生成的计算需求是图像生成的 300 到 500 倍，Prodia 的分布式系统方法，将部分计算工作分布在更广泛的 GPU 云上，解决开发人员和扩展人员的部分需求。Prodia 的愿景是创建一个由用户而非大型云提供商控制的社区驱动系统。用户可以运行 AI 生成任务，利用自己的计算能力参与 GPU 云。这样的系统不仅能提供灵活性和强大的计算能力，还能降低成本。

不过如果想达到这种标准，就需要保证高效的网络拓扑结构可以确保数据和任务在分布式节点之间能够快速传输和处理。统一的通信协议是实现节点间无缝协作和任务调度的基础。为了提高系统的可靠性和容错能力，必须设计容错机制和数据冗余备份策略，确保即使某些节点出现故障，任务数据和计算结果也不会丢失。同时，性能优化与扩展性以及用户体验与可用性也同样重要。优化计算任务的分配和执行，可以确保系统能够高效利用所有参与节点的计算能力。系统架构必须具备良好的扩展性，才能够根据参与节点的数量和任务量进行灵活扩展。在用户体验方面，开发易于使用的界面和工具，以及提供足够的技术支持和文档，可以帮助用户顺利参与系统并运行 AI 生成任务。

结语

Prodia 作为 AI 赛道中的新兴力量，正在以其创新的分布式计算技术和强大的生成能力扩张，但技术的快速迭代和市场的动态变化，意味着 Prodia 必须保持灵活性和前瞻性，以应对未来的不确定性。总的来说，当需要大量 GPU 进行训练时，大型云提供商仍然是一个不错的选择，但对于长期运行的应用程序，Prodia 提供了一个更具可持续性和经济效益的模式，其能否在竞争激烈的 AI 红海市场中保持一定地位，还有待观察。